Les équipes de supervision IT recevaient des milliers de tickets de support dans des formats non uniformisés templates, chats, emails sans aucune annotation ni catégorisation exploitable. Impossible de savoir quels sujets mobilisaient le plus de ressources, quelles thématiques étaient en croissance et lesquelles n'étaient plus d'actualité. Les responsables allouaient leurs équipes à l'aveugle, en réaction aux urgences du jour, sans capacité d'anticipation. Le besoin : une vision structurée et automatisée de l'activité support, à trois niveaux de granularité, pour passer d'un mode réactif à un pilotage proactif.
Analyse des activités de support IT
Les équipes de supervision IT d'un grand groupe n'avaient aucune vision consolidée de l'activité support : des milliers de tickets non annotés, des formats hétérogènes entre équipes et aucun moyen de détecter les tendances émergentes. Nous avons construit un système de classification non supervisée qui identifie automatiquement les sujets, leur granularité et leur dynamique.
Problématique
Solution
Ce que nous avons construit
Nous avons déployé 1 Data Scientist pour concevoir un système complet d'analyse automatisée des tickets de support IT.
Étape 1 — Nettoyage et uniformisation. Harmonisation des données de tickets provenant de sources hétérogènes (templates, chats, emails) en un format exploitable unique. Nettoyage du texte et normalisation pour rendre les données compatibles avec les algorithmes de NLP.
Étape 2 — Classification non supervisée des tickets. Clustering des tickets par méthodes de Machine Learning non supervisées (LDA, DBSCAN, K-Means) pour identifier automatiquement les sujets de demande. Le système produit trois niveaux de précision, par exemple : Outlook → Certificat → Expiration, permettant de zoomer du macro au micro.
Étape 3 — Détection de tendances. Analyse temporelle des sujets identifiés pour qualifier chaque thématique : émergente, constante ou en déclin. Les responsables voient en un coup d'œil quels problèmes montent et lesquels se résorbent.
Étape 4 — Automatisation du rapport. Le pipeline complet de l'ingestion des tickets au rapport final est automatisé. Les responsables reçoivent une analyse actualisée sans intervention manuelle.
Projets dans la même catégorie
